中國城市高價值專利時空演變規(guī)律及影響因素

摘 要：探討高價值專利的時空分布及其驅(qū)動機制有助于促進知識產(chǎn)權(quán)區(qū)域協(xié)同，實現(xiàn)高水平科技自立自強?；?005-2021年中國285個地級及以上城市面板數(shù)據(jù)，分析高價值專利時空分布演變規(guī)律，并建立空間面板計量模型探究其影響因素。研究發(fā)現(xiàn)：第一，近年來高價值專利總體呈現(xiàn)出增加態(tài)勢，尤其是沿海地區(qū)增長迅速，菱形結(jié)構(gòu)日益凸顯;高價值專利多分布于胡煥庸線以東區(qū)域，呈現(xiàn)明顯的沿海強于內(nèi)陸、“東-中-西”逐漸遞減的格局特征；自2011年始高價值專利存在顯著的空間依賴性，且空間自相關(guān)性逐漸增強。第二，經(jīng)濟基礎、政府重視、人才規(guī)模以及生態(tài)環(huán)境等均會對高價值專利產(chǎn)生不同影響。其中，經(jīng)濟基礎會顯著抑制鄰近地區(qū)高價值專利發(fā)展，與普通專利的研究結(jié)果相反。第三，菱形結(jié)構(gòu)地區(qū)、東北地區(qū)以及外圍地區(qū)高價值專利的影響因素存在異質(zhì)性。

關(guān)鍵詞：知識產(chǎn)權(quán)；城市創(chuàng)新；高價值專利；空間杜賓模型

DOI：10.6049/kjjbydc.2023100748

中圖分類號：F299.22 文獻標識碼：A 文章編號：1001-7348（2025）06-0046-11

0 引言

知識產(chǎn)權(quán)是保護和激勵創(chuàng)新的重要基石。專利作為知識產(chǎn)權(quán)的重要組成部分，是衡量自主創(chuàng)新能力的重要維度[1]。高價值專利在專利質(zhì)量、原始創(chuàng)新等方面均優(yōu)于非高價值專利[2]，是實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略、建設科技強國的重要抓手。高價值專利往往代表了行業(yè)前沿引領(lǐng)技術(shù)，其面向國家重大需求，具有較強的技術(shù)先進性，對于獲取標準競爭優(yōu)勢至關(guān)重要（崔維軍等，2023），能夠降低核心技術(shù)領(lǐng)域的對外依賴度，提升知識產(chǎn)權(quán)綜合競爭力。同時，高價值專利也具有強大的市場潛力，在創(chuàng)造經(jīng)濟效益方面貢獻巨大[3]。增強自主創(chuàng)新能力、促進高價值專利成果轉(zhuǎn)化及應用是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的堅實保障。然而，我國專利多而不優(yōu)，一些關(guān)鍵核心技術(shù)領(lǐng)域仍受制于人。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》提出，要保護和激勵高價值專利，并將“每萬人口高價值發(fā)明專利擁有量”納入經(jīng)濟社會發(fā)展主要評價指標。如何有效提升高價值專利產(chǎn)出，解決“卡脖子”難題，成為加快實現(xiàn)高水平科技自立自強的現(xiàn)實要求。目前我國“東強西弱”的創(chuàng)新格局依然存在并呈現(xiàn)加劇態(tài)勢[4-5]。黨的二十大報告提出“深入實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略”?？萍紕?chuàng)新是提高發(fā)展協(xié)調(diào)性、平衡性的重要途徑，研究高價值專利的空間格局有助于緩解區(qū)域創(chuàng)新發(fā)展不平衡現(xiàn)象，提升國家創(chuàng)新體系整體效能。由于創(chuàng)新存在顯著的空間相關(guān)性（段德忠等， 2022），忽視空間效應可能導致模型設計存在偏誤[6]。因此，高價值專利研究也需要考慮空間問題。本文將從空間視角研究城市高價值專利布局并考察其影響因素，為提升城市高價值專利水平、以創(chuàng)新驅(qū)動引領(lǐng)高質(zhì)量發(fā)展提供理論參考。

既有關(guān)于高價值專利研究主要集中在專利識別、評估以及培育等方面。有研究認為，高價值專利具有高技術(shù)價值、高法律價值以及高市場價值等[7]，可以從內(nèi)部特征、外部評價等方面識別高價值專利（李小童等， 2019），并進一步構(gòu)建高價值專利評估指標體系[3，8-9]。高價值專利培育是現(xiàn)階段專利工作重點[10]，學者們從創(chuàng)造、申請、審查、政策等方面[11-13]提出高價值專利培育方式。關(guān)于創(chuàng)新活動分布，早期研究多采用發(fā)明專利授權(quán)量或3種專利授權(quán)總量作為創(chuàng)新活動的代理變量，探討省域創(chuàng)新活動的時空布局。研究發(fā)現(xiàn)，我國省際創(chuàng)新活動呈現(xiàn)出顯著的空間集聚現(xiàn)象，且省域創(chuàng)新活動存在顯著的空間依賴性[14-15]。近年來，城市作為創(chuàng)新要素集聚地，在創(chuàng)新體系中的地位日益凸顯，學者們也將目光從省域轉(zhuǎn)移到城市層面，關(guān)注我國地級及以上城市的專利數(shù)、論文數(shù)等創(chuàng)新產(chǎn)出數(shù)據(jù)變化。研究發(fā)現(xiàn)，城市創(chuàng)新能力同樣具有顯著的空間自相關(guān)性（范柏乃等，2020），且空間集聚特征顯著、逐年增強[16]。相較于省域尺度的研究結(jié)果，城市層

面的集群化分布特征更加顯著[4，5]。進一步地，由于空間相關(guān)性會影響創(chuàng)新活動，現(xiàn)有研究也逐漸轉(zhuǎn)向從空間視角探討創(chuàng)新格局影響因素。學者們通過構(gòu)建空間計量模型，發(fā)現(xiàn)城市空間溢出效應是驅(qū)動城市創(chuàng)新的重要推力[4，5]，也是產(chǎn)生城市創(chuàng)新空間差異的主要原因（馬靜等，2017），進而關(guān)注不同區(qū)域影響因素的差異性[17]。

綜上，現(xiàn)有研究對高價值專利、創(chuàng)新空間格局以及影響因素等進行了較深入的探討，但仍存在一些不足：第一，既有的高價值專利研究多關(guān)注其識別、培育以及評價體系構(gòu)建等，尚未涉及空間格局以及影響因素探討，后者是對高價值專利研究的拓展，有助于了解我國高價值專利分布情況，為各地區(qū)形成高價值專利提供參考；第二，在衡量指標選取上，大都采用專利總量，未區(qū)分高價值專利與非高價值專利，忽視了“專利泡沫”的影響，因此指標設置不夠合理；第三，從城市尺度探討創(chuàng)新空間格局以及影響因素的研究較少，而城市尺度相比省域尺度更有助于體現(xiàn)空間集聚特征，便于政策制定與實施；第四，較少有研究考慮到影響因素的區(qū)域差異性，而關(guān)注地區(qū)差異性有利于發(fā)揮當?shù)乇容^優(yōu)勢，汲取其它地區(qū)先進經(jīng)驗，從而找到差異化的創(chuàng)新發(fā)展路徑?；诖?，本文從城市層面出發(fā)，研究我國高價值專利分布的時空演化格局，并基于空間視角構(gòu)建空間計量模型，從經(jīng)濟基礎、政府重視、人才規(guī)模以及生態(tài)環(huán)境等方面考察其影響因素，進一步根據(jù)高價值專利集聚情況劃分區(qū)域，探討不同地區(qū)影響因素的差異性，為提升我國高價值專利產(chǎn)出，形成優(yōu)勢互補、協(xié)調(diào)發(fā)展的高價值專利格局以及實施差異化創(chuàng)新政策提供依據(jù)。

1 研究設計

1.1 研究方法

1.1.1 空間自相關(guān)

空間自相關(guān)可理解為位置相近區(qū)域擁有相似的變量取值，莫蘭指數(shù)是度量空間相關(guān)性的重要指標，其取值一般介于-1～1之間。高值與高值集聚、低值與低值集聚代表正空間自相關(guān)，即莫蘭指數(shù)gt;0；高值與低值集聚代表負空間自相關(guān)，即莫蘭指數(shù)lt;0；高值與低值隨機分布，則不存在空間相關(guān)性，即莫蘭指數(shù)=0。全局Moran's I考察研究區(qū)域內(nèi)某指標整體的空間自相關(guān)性，其計算公式如下：

式中，xi與xj分別代表區(qū)域i、區(qū)域j的空間數(shù)據(jù)，wij代表空間權(quán)重矩陣，S2為樣本方差。

1.1.2 變量選取與空間計量模型構(gòu)建

本文被解釋變量為高價值專利，目前學界尚未有統(tǒng)一定義，可以從技術(shù)、法律、市場等維度理解。技術(shù)方面，高價值專利在具備新穎性、實用性的前提下，其技術(shù)更先進、創(chuàng)造性更強[3]，能夠推動技術(shù)進步，引領(lǐng)行業(yè)發(fā)展[13]；法律方面，高價值專利是法律權(quán)力穩(wěn)定且范圍清晰[18]的專利，具有較強的排他性以及較低的無效可能性[3，17]；市場方面，高價值專利擁有良好的市場前景和較高商業(yè)價值，專利權(quán)人擁有較大的市場競爭優(yōu)勢[7]，能獲取豐厚的經(jīng)濟效益。

關(guān)于高價值專利的界定，《國務院關(guān)于印發(fā)“十四五”國家知識產(chǎn)權(quán)保護和運用規(guī)劃的通知》明確五類發(fā)明專利為高價值專利，即戰(zhàn)略性新興產(chǎn)業(yè)的發(fā)明專利、在海外有同族專利權(quán)的發(fā)明專利、維持年限超過10年的發(fā)明專利、實現(xiàn)較高質(zhì)押融資金額的發(fā)明專利以及獲得國家科學技術(shù)獎或中國專利獎的發(fā)明專利。其中，第一類和第五類具有國家戰(zhàn)略意義，面向國家重大需求，第二、三類強調(diào)技術(shù)含量，第四類強調(diào)市場價值，是常見的專利質(zhì)量評價指標[2]?？傮w來看，五類專利較為全面地涵蓋了高價值專利范圍，本文基于此分類遴選高價值專利。關(guān)于數(shù)據(jù)獲取，戰(zhàn)略性新興產(chǎn)業(yè)發(fā)明專利可在IncoPat專利數(shù)據(jù)庫中通過篩選新興產(chǎn)業(yè)分類得到，在海外有同族專利權(quán)的發(fā)明專利可通過選擇同族國家得到，維持年限超過10年的發(fā)明專利可通過篩選專利年限得到。此外，對質(zhì)押融資金額較高難以界定。考慮到專利質(zhì)押融資的市場風險較高（宋河發(fā)等， 2018），以專利向銀行申請質(zhì)押融資時銀行會進行系列的風險識別（余明桂等， 2022），并形成以科技創(chuàng)新能力為審核重心的專利質(zhì)押融資流程（胡成等， 2021），足見專利質(zhì)押融資審核標準嚴苛，對專利本身具有很高要求。因此，本文借鑒其他學者做法，以具有質(zhì)押融資的發(fā)明專利替代實現(xiàn)較高質(zhì)押融資金額的發(fā)明專利[2]。獲得國家科學技術(shù)獎的專利數(shù)據(jù)難以匹配，這是由于其數(shù)量較少且可能已包含在其余幾類專利中，故第五類標準本文只統(tǒng)計獲得中國專利獎的發(fā)明專利。

我國創(chuàng)新空間集聚現(xiàn)象顯著，已有研究從不同角度探討創(chuàng)新能力影響因素。本文基于空間視角，從經(jīng)濟基礎、政府重視、人才規(guī)模以及生態(tài)環(huán)境4個層面，研究城市高價值專利的關(guān)鍵影響因素。

（1）經(jīng)濟基礎，一個地區(qū)的經(jīng)濟水平是該地區(qū)形成高價值專利的基礎，區(qū)域經(jīng)濟發(fā)展水平與區(qū)域創(chuàng)新能力顯著正相關(guān)[19]。本文采用地區(qū)生產(chǎn)總值衡量經(jīng)濟基礎，探討經(jīng)濟基礎對高價值專利的影響效應。

（2）政府重視，其與創(chuàng)新的關(guān)系可劃分為“促進論”和“抑制論”。一方面，政府支持可以減輕科研機構(gòu)的資金壓力且具有戰(zhàn)略導向作用；另一方面，其面向特定行業(yè)或技術(shù)領(lǐng)域，因此對政策范圍外的研發(fā)具有一定擠出效應（曾萍等， 2014）?；诳臻g視角，政府重視是促進還是抑制高價值專利產(chǎn)出？本文從科學技術(shù)支出和教育支出角度探討該問題并給出回答。

（3）人才規(guī)模，區(qū)域創(chuàng)新能力與創(chuàng)新人才密切相關(guān)，人才外流會阻礙當?shù)貏?chuàng)新，而創(chuàng)新人才集聚有利于流入?yún)^(qū)域創(chuàng)新水平提高[20]?？茖W研究和技術(shù)服務人員是創(chuàng)新人才的中堅力量，高等學校在校學生是創(chuàng)新人才的潛在力量，本文采用科學技術(shù)人員數(shù)和高等學校在校學生數(shù)衡量創(chuàng)新人才規(guī)模，基于空間視角研究人才對高價值專利的影響效應。

（4）生態(tài)環(huán)境，創(chuàng)新活動需要與之相適應的生態(tài)環(huán)境作支撐（李佳洺等， 2016），適宜的生態(tài)環(huán)境可以為科技創(chuàng)新提供持續(xù)的資源支持和空間基礎（郭愛君等， 2020），有助于促進創(chuàng)新要素集聚，提高科研創(chuàng)新質(zhì)量和效率（柳卸林等，2022）。公園綠地是城市生態(tài)環(huán)境的重要組成（王琰等， 2020），具有顯著的社會效益，為城市可持續(xù)發(fā)展提供基礎支持[21]。地區(qū)擁有大面積公園綠地，有助于提升人才工作和居住環(huán)境質(zhì)量[22]。本文采用公園綠地面積作為城市生態(tài)環(huán)境的衡量指標，探討其對高價值專利的影響效應。

本文以2005-2021年中國285個地級及以上城市數(shù)據(jù)為樣本，探究高價值專利的時空分布與影響因素，具體衡量指標如表1所示。其中，高價值發(fā)明專利授權(quán)量來源于IncoPat專利數(shù)據(jù)庫，經(jīng)濟基礎、政府重視、人才規(guī)模數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》，生態(tài)環(huán)境數(shù)據(jù)來源于《中國城市建設統(tǒng)計年鑒》，部分缺失數(shù)據(jù)參考各省市統(tǒng)計年鑒或采用插值法填補。由于從研發(fā)投入到獲得專利授權(quán)通常具有一定時滯性，且不同創(chuàng)新活動周期存在較大差異，參照已有研究[23-25]，本文將解釋變量滯后一期進行回歸。為緩解異方差的影響，對變量數(shù)據(jù)進行對數(shù)化處理。

若莫蘭指數(shù)證明城市高價值專利具有空間自相關(guān)性，需將空間因素納入計量模型進行分析，可采用空間滯后模型（SLM）、空間誤差模型（SEM）或者空間杜賓模型（SDM）等空間計量模型。

式中，α為常數(shù)項；ρ和β為待估系數(shù)；W為空間權(quán)重矩陣；WlnHVPit為因變量的空間滯后變量；WlnGDPit、WlnSTEit、WlnEEit、WlnSTPit、WlnSTUit、WlnPGAit為解釋變量的空間滯后變量；μi和γt分別為個體效應與時間效應；εit為誤差項，取決于空間滯后誤差項Wεit與隨機誤差項vit。

1.1.3 空間權(quán)重矩陣

空間權(quán)重矩陣是空間計量研究的重要基礎，學者們多基于地理學第一定律構(gòu)建空間權(quán)重矩陣，常用的矩陣有反距離空間權(quán)重矩陣、鄰接空間權(quán)重矩陣等。考慮到兩個地區(qū)距離越近，相關(guān)程度越高，本文構(gòu)建基于距離的空間權(quán)重矩陣?？臻g距離越近，則權(quán)重越大，反之越小[26]。相比鄰接權(quán)重矩陣，基于距離的權(quán)重矩陣不僅可以衡量相鄰地區(qū)的相關(guān)關(guān)系，還可以衡量與非相鄰地區(qū)隨距離變化的關(guān)系（吳燕， 2019）。此外，由于空間溢出效應隨距離遞增呈現(xiàn)加速衰減[27-28]，因此構(gòu)建基于距離的反距離平方權(quán)重矩陣（周文義等， 2023）作為空間計量基礎矩陣。其中，地理距離由GeoDa計算得到，為城市幾何質(zhì)心的直線距離。計算公式如下：

由于空間權(quán)重矩陣的選擇影響空間計量模型估計結(jié)果，故本文構(gòu)建反距離空間權(quán)重矩陣，并依據(jù)Queen原則構(gòu)建鄰接空間權(quán)重矩陣，進行穩(wěn)健性檢驗，計算公式如下：

式中，W為空間權(quán)重矩陣；dij為兩城市幾何質(zhì)心間的歐氏距離。

2 時空格局分析

2.1 時空格局演變

本文運用ArcGIS軟件分析2005、2013以及2021年高價值專利時空演變情況，其空間分布如圖1所示。空間上，高價值專利多分布于胡煥庸線以東區(qū)域，呈現(xiàn)出明顯的沿海強于內(nèi)陸、“東—中—西”逐漸遞減的格局特征；以京津冀、長三角、珠三角以及成渝地區(qū)為頂點的菱形囊括大多數(shù)高價值專利。其中，北京、上海、深圳為具有高規(guī)模水平的高價值專利地區(qū)；具有較高規(guī)模水平的高價值專利地區(qū)主要為直轄市、省會城市，且多位于菱形邊界線以及對角線上，如重慶、天津、廣州、杭州、南京、武漢、成都、西安、長沙、合肥、濟南等；高價值專利處于中等規(guī)模和較低規(guī)模水平的城市主要位于東部、中部城市群內(nèi)，如京津冀、長三角、珠三角、山東半島、遼中南、哈長城市群等；西部地區(qū)的高價值專利長期處于低水平規(guī)模狀態(tài)。從時間上看，高價值專利規(guī)?？傮w呈現(xiàn)擴大態(tài)勢，且沿海地區(qū)增長更迅速，菱形結(jié)構(gòu)日益凸顯。這可能是因為相較于內(nèi)陸地區(qū)，沿海地區(qū)市場經(jīng)濟更發(fā)達，擁有豐富的創(chuàng)新資源和靈活的創(chuàng)新機制，此外，國家區(qū)域重大戰(zhàn)略的實施促進了菱形結(jié)構(gòu)地區(qū)城市的高質(zhì)量發(fā)展，進而有助于高價值專利產(chǎn)出。

2.2 空間自相關(guān)

本文首先采用全局Moran's I進行空間自相關(guān)性檢驗，通過ArcGIS計算得到2005—2021年中國高價值專利全局莫蘭指數(shù)，如表2所示。研究結(jié)果顯示，相比普通專利，2005—2010年高價值專利的全局Moran's I不顯著。這可能是由于此前的高價值發(fā)明專利數(shù)較少，導致其在空間上的相關(guān)性較弱，同時，2010年《全國專利事業(yè)發(fā)展戰(zhàn)略（2011—2020年）》的提出為我國專利質(zhì)量提升創(chuàng)造了條件。2011年的Moran's I在5%的水平上顯著，2012—2021年的Moran's I在1%的水平上顯著，說明此期間高價值發(fā)明專利具有明顯的空間相關(guān)性，即鄰近區(qū)域的高價值專利規(guī)模較相近。為了直觀展現(xiàn)全局莫蘭指數(shù)變化趨勢，繪制折線圖如圖2所示，全局Moran's I整體呈波動上升態(tài)勢，空間自相關(guān)性逐漸增強。

為了展現(xiàn)局部地區(qū)高價值專利的空間集聚特征，運用GeoDa軟件計算局部Moran's I，并繪制2005、2013以及2021年的LISA集聚圖，如圖3所示。H-H集聚區(qū)較穩(wěn)定，主要集中在京津冀、長江三角洲以及珠江三角洲城市群。H-H集聚意味著該城市以及相鄰地區(qū)的高價值專利規(guī)模均較大。天津、南通、寧波在2005、2013以及2021年均為H-H集聚，而唐山在2013年變?yōu)長-H集聚，說明隨著時間推移，唐山的高價值專利產(chǎn)出相比周邊地區(qū)不足。自2013年始圍繞上海、廣州增加了多個H-H集聚城市，說明上海、廣州的高價值專利發(fā)展具有正向溢出效應，可以帶動鄰近地區(qū)發(fā)展。此外，北京、上海、廣州并非H-H集聚區(qū)域，這是因為雖然這些地區(qū)的高價值專利規(guī)模較大，但其周邊地區(qū)規(guī)模較小，地區(qū)間差距較大，導致其局部Moran's I值不顯著。

重慶、武漢、西安長期處于顯著的H-L集聚狀態(tài)，2021年沈陽也處于H-L集聚狀態(tài)，說明這些城市雖然高價值專利規(guī)模較大，但難以帶動鄰近城市創(chuàng)新發(fā)展。L-H集聚意味著相比周邊地區(qū)，該地區(qū)高價值專利規(guī)模較小，其主要位于H-H集聚區(qū)域外圍。承德、張家口、保定、廊坊長期處于L-H集聚狀態(tài)；2005年嘉興、紹興、舟山圍繞寧波，呈現(xiàn)為L-H集聚狀態(tài)，2013、2021年受周圍城市帶動，嘉興、紹興高價值專利有所發(fā)展，變?yōu)镠-H集聚，而舟山一直處于L-H集聚狀態(tài)，其高價值專利產(chǎn)出較緩慢；河源、汕尾、江門也長期處于L-H集聚狀態(tài)，值得注意的是，中山市由2013年的H-H集聚變?yōu)?021年的L-H集聚，說明相比鄰近地區(qū)其高價值專利增長速度緩慢。隨著時間推移，L-L集聚區(qū)域不斷變化，但主要集中在西北、西南以及東北地區(qū)。

3 影響因素分析

3.1 描述性統(tǒng)計

描述性統(tǒng)計結(jié)果如表3所示，經(jīng)過對數(shù)處理后各變量標準差較小，有效緩解了異方差影響。其中，對被解釋變量高價值專利加1取對數(shù)后其均值為3.331，最小值、最大值分別為0與11.122，標準差為2.317，表明各城市高價值專利數(shù)量存在較大差異，部分城市高價值專利數(shù)量有待提升；各城市地區(qū)生產(chǎn)總值取對數(shù)后的最小值為3.58，最大值為10.564，說明經(jīng)濟發(fā)展水平存在一定差距；科學技術(shù)支出、教育支出取對數(shù)后的最大值差異不大，分別為15.529、16.248，但最小值相差較大，分別為3.526、6.855，其均值分別為9.517、12.571，表明相比科學技術(shù)支出，各地區(qū)更重視教育支出，且各城市科學技術(shù)支出差異較大；人才規(guī)模上，科學研究和技術(shù)服務人員數(shù)以及普通高等學校在校學生數(shù)取對數(shù)后，均值分別為8.35、10.218，說明科研人員數(shù)相對較少。公園綠地面積取對數(shù)后其最小值為0，最大值為10.483，說明不同城市生態(tài)環(huán)境存在一定差異。

3.2 模型選取

由全局Moran's I可知，高價值專利具有顯著空間相關(guān)性，因此需要考慮將空間因素納入模型。由于空間滯后模型、空間誤差模型以及空間杜賓模型等空間計量模型都可以分析高價值專利影響因素，故需要選擇最優(yōu)模型。首先，進行LM檢驗，由結(jié)果可知，空間誤差和空間滯后的LM檢驗結(jié)果以及穩(wěn)健性估計結(jié)果均顯著，表明進行空間計量分析的最優(yōu)模型為空間杜賓模型。其次，進行Hausman檢驗以確認是選擇固定效應還是隨機效應，結(jié)果顯示P值為0.0000，顯著拒絕采用隨機效應的原假設，故應采用固定效應模型。再次，進行LR檢驗和Wald檢驗以確認空間杜賓模型是否會退化為空間滯后模型與空間誤差模型，檢驗結(jié)果顯示LR檢驗和Wald檢驗均在1%的置信水平上顯著拒絕原假設，表明空間杜賓模型不可退化。最后，進行LR檢驗以確認是選擇時間固定效應、個體固定效應，還是雙固定效應。檢驗結(jié)果均在1%的顯著性水平上拒絕原假設，表明應選取個體、時間雙固定效應。綜上，高價值專利影響因素的最優(yōu)回歸模型為個體與時間雙固定效應下的空間杜賓模型。

3.3 結(jié)果分析

本文采用SDM模型對高價值專利影響因素進行回歸并分析其分解效應。由表4可知，個體與時間雙固定效應下的SDM模型的空間滯后項系數(shù)為0.259，在1%的顯著性水平下通過檢驗，說明高價值專利具有明顯的空間溢出效應，即某城市提升高價值專利規(guī)模將對鄰近地區(qū)的高價值專利產(chǎn)生正向促進作用。

由表4結(jié)果可知，地區(qū)生產(chǎn)總值的直接效應為正，在1%的顯著性水平上對本地區(qū)高價值專利有促進作用。這是因為經(jīng)濟發(fā)展水平高的地區(qū)擁有更豐富的創(chuàng)新資源，有利于本地區(qū)高價值專利產(chǎn)出；同時，經(jīng)濟基礎的溢出效應系數(shù)為-0.849，負向溢出約是直接效應的2倍，表明經(jīng)濟基礎對鄰近地區(qū)高價值專利產(chǎn)出有顯著抑制作用。而現(xiàn)有的普通專利研究結(jié)果顯示，地區(qū)生產(chǎn)總值的空間溢出效應多顯著為正[29-30]，即會促進周邊地區(qū)創(chuàng)新水平提高。產(chǎn)生這種差異的原因可能是相比普通專利，高價值專利需要依靠更豐富、更先進的創(chuàng)新資源，因此經(jīng)濟基礎良好的城市更具吸引力，易產(chǎn)生虹吸效應，促使周圍地區(qū)高新技術(shù)企業(yè)到此投資發(fā)展，造成周邊地區(qū)高價值專利減少。

在政府支持方面，科學技術(shù)支出對高價值專利的直接效應系數(shù)為0.280，間接效應系數(shù)為0.334，且均在1%的水平上顯著，說明政府的科學技術(shù)支出不僅能夠促進當?shù)匦纬筛邇r值專利，對鄰近地區(qū)的高價值專利產(chǎn)出也有正向溢出作用。教育支出的直接效應系數(shù)為0.217，在1%的水平上顯著，間接效應系數(shù)為正但不顯著，說明政府教育支出主要對本地高價值專利產(chǎn)出產(chǎn)生影響?？梢钥闯?，政府重視程度是推動高價值專利產(chǎn)出的有力保障。

人才規(guī)模方面，科學研究和技術(shù)服務人員數(shù)量在1%的顯著性水平上對本地以及鄰近地區(qū)高價值專利有促進作用。這可能是由于開展創(chuàng)新活動時，各地區(qū)科研人員密切交流，人才流動打破了地域壁壘，促進了本地以及周圍地區(qū)高價值專利規(guī)模提升。普通高等學校在校學生數(shù)對本地高價值專利產(chǎn)出的影響不顯著，而對于普通專利產(chǎn)出有顯著促進作用[5，31]。這可能是由于在校學生的創(chuàng)新能力較弱，因而對本地區(qū)高價值專利的影響不明顯。溢出效應顯著為負，這是因為高校學生是高端創(chuàng)新人才的后備軍，是高新企業(yè)未來的新生力量，因此高校學生聚集的地區(qū)會吸引部分創(chuàng)新資源，造成周邊地區(qū)高價值專利產(chǎn)出下降。

生態(tài)環(huán)境方面，公園綠地面積在1%的顯著性水平上對本地高價值專利有促進作用，其直接效應系數(shù)為0.102，表明公園綠地面積每增加1%，本地區(qū)高價值專利規(guī)模提升0.102%；其溢出效應為正但不顯著，表明公園綠地對鄰近地區(qū)的高價值專利產(chǎn)出影響不顯著；總效應在5%的水平上顯著為正。綜合來看，公園作為重要的休憩環(huán)境有利于高價值專利產(chǎn)出，主要體現(xiàn)在對優(yōu)秀人才、企業(yè)的吸引力上。

總體而言，除高等學校在校學生數(shù)的直接效應不顯著外，其余影響因素的直接效應均在1%的水平上顯著為正，說明高價值專利與本地區(qū)的經(jīng)濟基礎、政府重視、人才規(guī)模以及生態(tài)環(huán)境息息相關(guān)。其中，經(jīng)濟基礎是對本地區(qū)高價值專利產(chǎn)出影響最大的因素；地區(qū)生產(chǎn)總值、高等學校在校學生數(shù)的溢出效應顯著為負，科學技術(shù)支出、科學研究和技術(shù)服務人員數(shù)的溢出效應在1%的水平上顯著為正，教育支出、公園綠地面積的溢出效應不顯著，表明各地區(qū)對科技的直接投入（科技支出、科研人員）有利于達到雙贏效果，而經(jīng)濟發(fā)展和高等學校在校學生數(shù)增多會抑制鄰近地區(qū)高價值專利產(chǎn)出。

結(jié)合上文的時空格局分析可知，菱形結(jié)構(gòu)地區(qū)城市擁有較豐富的高價值專利，東北地區(qū)次之，這可能是相對其它外圍地區(qū)，上述地區(qū)的教育、基礎設施等更加完善。為探討不同區(qū)域高價值專利影響因素的差異性，進一步劃分菱形結(jié)構(gòu)地區(qū)、東北地區(qū)以及外圍地區(qū)，回歸結(jié)果如表5所示?？梢钥闯?，菱形結(jié)構(gòu)地區(qū)的空間滯后項系數(shù)為0.308，在1%的顯著性水平下通過檢驗；東北地區(qū)空間滯后項系數(shù)為0.118，通過5%水平下的顯著性檢驗；外圍地區(qū)的空間滯后項系數(shù)不顯著。上述結(jié)果說明，菱形結(jié)構(gòu)地區(qū)和東北地區(qū)的高價值專利產(chǎn)出具有明顯的正向空間溢出效應，這是由于城市間聯(lián)系緊密，其中一個城市高價值專利產(chǎn)出增多會對鄰近城市產(chǎn)生促進作用；而外圍地區(qū)城市之間的高價值專利則沒有明顯的相互促進現(xiàn)象。

分析各地區(qū)的回歸結(jié)果，菱形結(jié)構(gòu)地區(qū)經(jīng)濟基礎在1%的顯著性水平上對本地區(qū)高價值專利有促進作用，東北地區(qū)、外圍地區(qū)經(jīng)濟基礎對其高價值專利的影響不顯著；各地區(qū)經(jīng)濟基礎的溢出效應系數(shù)均為負，但不顯著。菱形結(jié)構(gòu)地區(qū)和外圍地區(qū)科學技術(shù)支出對本地區(qū)高價值專利的影響系數(shù)為正，通過1%水平下的顯著性檢驗，而東北地區(qū)的影響系數(shù)不顯著。空間效應方面，3個地區(qū)的空間滯后項系數(shù)均顯著為正，表明科學技術(shù)支出對周邊城市的高價值專利產(chǎn)出有促進作用；菱形結(jié)構(gòu)地區(qū)教育支出在1%的水平上對本地以及周邊城市的高價值專利產(chǎn)出均有顯著促進作用，東北地區(qū)和外圍地區(qū)教育支出的作用不顯著；菱形結(jié)構(gòu)地區(qū)科學研究和技術(shù)服務人員數(shù)在1%的顯著性水平上對本地以及鄰近城市的高價值專利產(chǎn)出有促進作用，東北地區(qū)科研人員數(shù)對高價值專利產(chǎn)出的影響主要表現(xiàn)為對當?shù)氐母邇r值專利有提升作用，而外圍地區(qū)科研人員數(shù)增多則對周邊城市高價值專利產(chǎn)出有顯著抑制作用；菱形結(jié)構(gòu)地區(qū)和東北地區(qū)高校在校學生數(shù)對本地區(qū)高價值專利產(chǎn)出均影響顯著，其中，前者為促進作用，后者為抑制作用，這可能是由于前者的創(chuàng)新能力培育模式更完善。生態(tài)環(huán)境方面，菱形結(jié)構(gòu)地區(qū)公園綠地面積的影響顯著為正，對本地區(qū)城市的高價值專利產(chǎn)出有促進作用。

3.4 穩(wěn)健性檢驗

為保證研究結(jié)果可靠，本文采用以下方法進行穩(wěn)健性檢驗：第一，替換空間計量模型，構(gòu)建基于反距離平方空間權(quán)重矩陣的空間滯后模型和空間誤差模型，探討高價值專利產(chǎn)出的影響因素；第二，替換空間權(quán)重矩陣，由于空間權(quán)重矩陣的選擇會對研究結(jié)果產(chǎn)生較大影響，本文進一步采用鄰接空間權(quán)重矩陣、反距離空間權(quán)重矩陣構(gòu)建空間杜賓模型，檢驗上述結(jié)論的穩(wěn)健性；第三，調(diào)整樣本期，2008年《國家知識產(chǎn)權(quán)戰(zhàn)略綱要》的頒布將知識產(chǎn)權(quán)工作上升到國家戰(zhàn)略層面，其指出，要以國家戰(zhàn)略需求為導向，掌握一批核心技術(shù)專利，支撐我國高技術(shù)產(chǎn)業(yè)與新興產(chǎn)業(yè)發(fā)展，該舉措促使高價值專利數(shù)量不斷攀升，因此選擇2009年及以后的高價值專利作進一步的穩(wěn)健性檢驗；第四，縮尾處理，從描述性統(tǒng)計結(jié)果可以看出，變量之間存在較大差異，為消除樣本離群值對回歸結(jié)果的影響，對所有變量在5%分位處和95%分位處進行縮尾處理。

穩(wěn)健性檢驗結(jié)果如表6所示，空間滯后項系數(shù)和空間誤差項系數(shù)均為正，且通過1%水平下的顯著性檢驗，表明高價值專利產(chǎn)出具有顯著的空間效應，與原模型結(jié)果一致。在各穩(wěn)健性檢驗模型下，地區(qū)生產(chǎn)總值、科學技術(shù)支出、教育支出以及公園綠地面積對本地區(qū)高價值專利產(chǎn)出的影響系數(shù)均顯著為正，科研人員數(shù)量除調(diào)整樣本期外均在1%的水平下顯著為正，高校在校學生數(shù)對本地區(qū)高價值專利產(chǎn)出的影響也為正。綜合來看，上述結(jié)果與反距離平方空間權(quán)重矩陣的SDM模型估計結(jié)果一致。替換空間權(quán)重矩陣后的空間系數(shù)顯示，公園綠地面積對周邊地區(qū)高價值專利產(chǎn)出的影響在鄰接矩陣下變?yōu)樨撝档伙@著，其余變量在兩種空間權(quán)重矩陣下的影響與原模型基本一致，即地區(qū)生產(chǎn)總值和高校在校學生數(shù)的影響顯著為正，科學技術(shù)支出和科研人員數(shù)的影響顯著為正，教育支出和公園綠地面積的影響不顯著。從調(diào)整樣本期和縮尾處理后的空間系數(shù)可以看出，地區(qū)生產(chǎn)總值提高會顯著抑制周邊地區(qū)高價值專利產(chǎn)出，科學技術(shù)支出增加能促進周邊地區(qū)高價值專利產(chǎn)出，與原模型結(jié)果一致。調(diào)整樣本后，教育支出系數(shù)為正但不顯著，科研人員數(shù)量對高價值專利產(chǎn)出的作用也不顯著。去除異常值后，科研人員數(shù)和高等學校在校學生數(shù)對周邊地區(qū)高價值專利產(chǎn)出影響方向與原模型一致但不顯著。綜上，穩(wěn)健性檢驗的回歸結(jié)果與原模型回歸結(jié)果基本一致，表明基于反距離平方空間權(quán)重矩陣構(gòu)建的個體、時間雙固定效應下的空間杜賓模型具有較強穩(wěn)健性。

4 研究結(jié)論

加快實現(xiàn)高水平科技自立自強，是推動高質(zhì)量發(fā)展的必由之路。目前，有關(guān)創(chuàng)新水平時空演變以及影響因素的研究多集中于總體專利，還沒有專門針對高價值發(fā)明專利的研究，導致研究結(jié)果易受到“專利泡沫”的影響。本文根據(jù)《國務院關(guān)于印發(fā)“十四五”國家知識產(chǎn)權(quán)保護和運用規(guī)劃的通知》的界定篩選出高價值專利代理指標，結(jié)合中國285個地級及以上城市面板數(shù)據(jù)考察其時空演變規(guī)律，并基于空間視角進一步探討其影響因素，研究發(fā)現(xiàn)：

（1）高價值專利在我國多分布于胡煥庸線以東區(qū)域，呈現(xiàn)出明顯的沿海強于內(nèi)陸、“東—中—西”逐漸遞減的分布格局；以京津冀、長三角、珠三角以及成渝地區(qū)為頂點構(gòu)成的菱形結(jié)構(gòu)地區(qū)擁有大多數(shù)高價值專利，并形成以北京、上海、深圳為核心的高價值專利聚集圈；近年來高價值專利規(guī)?？傮w呈現(xiàn)出不斷提升態(tài)勢，其中，沿海地區(qū)增長更迅速，菱形結(jié)構(gòu)日益凸顯。此外，高價值專利自2011年起存在顯著的空間依賴性，且空間自相關(guān)趨勢逐漸增強，其中，H-H集聚區(qū)集中在京津冀、長江三角洲以及珠江三角洲城市群，L-L集聚區(qū)集中在西北、西南以及東北地區(qū)城市。

（2）通過對高價值專利影響因素的分析發(fā)現(xiàn)，地區(qū)生產(chǎn)總值能夠顯著提升本地區(qū)高價值專利規(guī)模，但對周邊地區(qū)高價值專利的抑制作用更顯著；科學技術(shù)支出和科研人員數(shù)量對本地以及周邊地區(qū)的高價值專利均有顯著推動作用；教育支出對高價值專利的作用主要體現(xiàn)為對本地區(qū)的促進；普通高等學校在校學生數(shù)會顯著抑制周邊地區(qū)高價值專利規(guī)模，但對本地區(qū)高價值專利影響不明顯；公園綠地面積會顯著促進本地區(qū)高價值專利產(chǎn)出。值得注意的是，經(jīng)濟基礎的改善與提升會顯著抑制鄰近地區(qū)高價值專利產(chǎn)出，與普通專利的作用結(jié)果相反；高等學校在校學生數(shù)對本地區(qū)高價值專利規(guī)模的促進作用不顯著，但是其它研究表明，高校在校生數(shù)能夠顯著提升本地區(qū)創(chuàng)新水平。

（3）菱形結(jié)構(gòu)地區(qū)、東北地區(qū)以及外圍地區(qū)高價值專利產(chǎn)出的影響因素存在異質(zhì)性。具體為，地區(qū)生產(chǎn)總值、科學技術(shù)支出、教育支出、科研人員數(shù)量、高校在校學生數(shù)以及公園綠地面積對菱形結(jié)構(gòu)地區(qū)城市的高價值發(fā)明專利均有顯著促進作用。其中，科技支出和科研人員數(shù)量增多同時有利于鄰近地區(qū)城市高價值專利產(chǎn)出，而教育支出增加則會顯著抑制鄰近地區(qū)城市高價值專利產(chǎn)出。東北地區(qū)科學技術(shù)支出增大對鄰近地區(qū)城市高價值專利產(chǎn)出有顯著促進作用，科研人員數(shù)量增加有助于本地區(qū)高價值專利產(chǎn)出，高校在校學生數(shù)增加則會抑制本地區(qū)高價值專利產(chǎn)出。外圍地區(qū)城市間聯(lián)系較松散，空間溢出效應不明顯。

5 研究啟示

基于高價值專利空間分布格局與影響因素的研究結(jié)果，提出如下建議：

（1）沿海地區(qū)更加注重高價值專利，創(chuàng)新水平穩(wěn)中求進；中西部、東北地區(qū)需加大與沿海地區(qū)創(chuàng)新合作、優(yōu)勢互補，探索適合自身的高價值專利發(fā)展模式，促進高價值專利區(qū)域協(xié)調(diào)發(fā)展。發(fā)揮中心城市和城市群的帶動作用，借助地理優(yōu)勢加強與周邊地區(qū)的協(xié)作聯(lián)系，擴大高價值專利輻射范圍，高價值專利產(chǎn)出下降或增長緩慢地區(qū)要及時反思發(fā)展劣勢，彌補短板弱項。

（2）合理分配財政支出，適當提高科技支出和教育支出，引導科研機構(gòu)開展高新技術(shù)研究，加大素質(zhì)教育以及新興學科建設，激勵高價值專利產(chǎn)出。堅持人才引領(lǐng)驅(qū)動，充分發(fā)揮科技型人才帶動作用，加快高價值專利產(chǎn)出；加強人才交流協(xié)作，促進創(chuàng)新型人才的區(qū)域合理布局。

（3）聚焦關(guān)鍵核心技術(shù)領(lǐng)域，以國家戰(zhàn)略需求為導向促進高價值專利創(chuàng)造；增強產(chǎn)學研協(xié)同，加快高價值專利產(chǎn)出與成果轉(zhuǎn)化，形成具有自主知識產(chǎn)權(quán)的創(chuàng)新成果；優(yōu)化專利審批流程，提高專利維權(quán)效率，確保高價值專利獲得保護；建立全面、科學的專利價值評估體系，準確識別和鼓勵高價值專利產(chǎn)出。

參考文獻：

[1] 龍小寧， 王俊. 中國專利激增的動因及其質(zhì)量效應[J]. 世界經(jīng)濟， 2015， 38（6）： 115-142.

[2] 程文銀， 胡鞍鋼， 陳雪麗. 知識產(chǎn)權(quán)強國背景下中國高價值專利發(fā)展：測度與實證分析[J]. 北京工業(yè)大學學報（社會科學版）， 2022，49（5）： 1-12.

[3] 劉勤， 楊壬淦， 劉友華. 高價值專利評估方法、存在問題及對策[J]. 科技管理研究， 2022， 42（4）： 147-152.

[4] 何舜輝， 杜德斌， 焦美琪， 等. 中國地級以上城市創(chuàng)新能力的時空格局演變及影響因素分析[J]. 地理科學， 2017， 37（7）： 1014-1022.

[5] 周銳波， 劉葉子， 楊卓文. 中國城市創(chuàng)新能力的時空演化及溢出效應[J]. 經(jīng)濟地理， 2019， 39（4）： 85-92.

[6] 吳玉鳴. 空間計量經(jīng)濟模型在省域研發(fā)與創(chuàng)新中的應用研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2006，23（5）： 74-85，130.

[7] 馬天旗， 趙星. 高價值專利內(nèi)涵及受制因素探究[J]. 中國發(fā)明與專利， 2018， 15（3）： 24-28.

[8] 胡澤文， 周西姬， 任萍. 基于扎根理論的高價值專利評估與識別研究綜述[J]. 情報科學， 2022， 40（2）： 183-192.

[9] 馬治國， 謝偉， 張磊. 技術(shù)、法律、市場三維視角下我國藥品高價值專利評估體系構(gòu)建研究[J]. 西北大學學報（哲學社會科學版）， 2022， 52（5）： 120-130.

[10] 楊鑫超， 張玉， 楊偉超. TRIZ在高價值專利培育工作中的創(chuàng)新應用研究[J]. 情報雜志， 2020， 39（7）： 54-58，86.

[11] 韓秀成， 雷怡. 培育高價值專利的理論與實踐分析[J]. 中國發(fā)明與專利， 2017， 14（12）： 8-14.

[12] 邢戰(zhàn)雷， 馬廣奇， 孫艷蕾， 等. 高價值專利培育體系的構(gòu)建與推進[J]. 中國高?？萍?， 2019，33（Z1）： 50-53.

[13] 鄧恒， 王含. 高質(zhì)量專利的應然內(nèi)涵與培育路徑選擇——基于《知識產(chǎn)權(quán)強國戰(zhàn)略綱要》制定的視角[J]. 科技進步與對策， 2021， 38（17）： 34-42.

[14] 李婧， 譚清美， 白俊紅. 中國區(qū)域創(chuàng)新生產(chǎn)的空間計量分析——基于靜態(tài)與動態(tài)空間面板模型的實證研究[J]. 管理世界， 2010，26（7）： 43-55，65.

[15] 李國平， 王春楊. 我國省域創(chuàng)新產(chǎn)出的空間特征和時空演化——基于探索性空間數(shù)據(jù)分析的實證[J]. 地理研究， 2012， 31（1）： 95-106.

[16] 席強敏， 張景樂， 張可云. 中國城市專利規(guī)模與知識寬度的時空演變及影響因素[J]. 經(jīng)濟地理， 2022， 42（3）： 56-65.

[17] 蔡鴻宇， 王向鋒， 徐宗煌， 等. 高價值專利有何特征——基于模糊集定性比較分析的組態(tài)效應研究[J]. 情報科學， 2024，42（4）：167-174，183.

[18] 劉謙， 姜南， 王亞利， 等. 國內(nèi)高價值專利研究熱點演進與整合框架——基于SKM的可視化分析[J]. 科技進步與對策， 2022，39（21）：151-160.

[19] AITING XU， KEYANG QIU， CANYANG JIN，et al. Regional innovation ability and its inequality： measurements and dynamic decomposition[J]. Technological Forecasting and Social Change， 2022， 180： 121713.

[20] AJAY AGRAWAL，DEVESH KAPUR，JOHN MCHALE，et al. Brain drain or brain bank？the impact of skilled emigration on poor-country innovation[J]. Journal of Urban Economics， 2011，69（1）：43-55.

[21] ANNA CHIESURA. The role of urban parks for the sustainable city[J]. Landscape and Urban Planning， 2004， 68（1）： 129-138.

[22] 李作學， 張蒙. 什么樣的宏觀生態(tài)環(huán)境影響科技人才集聚——基于中國內(nèi)地31個省份的模糊集定性比較分析[J]. 科技進步與對策， 2022， 39（10）： 131-139.

[23] 虞義華， 趙奇鋒， 鞠曉生. 發(fā)明家高管與企業(yè)創(chuàng)新[J]. 中國工業(yè)經(jīng)濟， 2018，35（3）： 136-154.

[24] 楊仁發(fā)， 李勝勝. 創(chuàng)新試點政策能夠引領(lǐng)企業(yè)創(chuàng)新嗎——來自國家創(chuàng)新型試點城市的微觀證據(jù)[J]. 統(tǒng)計研究， 2020， 37（12）： 32-45.

[25] 翟華云， 劉易斯. 數(shù)字金融發(fā)展、融資約束與企業(yè)綠色創(chuàng)新關(guān)系研究[J]. 科技進步與對策， 2021， 38（17）： 116-124.

[26] PARENT O， LESAGE J P. Using the variance structure of the conditional autoregressive spatial specification to model knowledge spillovers[J]. Journal of Applied Econometrics， 2008， 23（2）： 235-256.

[27] BOTTAZZI L， PERI G. Innovation and spillovers in regions： evidence from European patent data[J]. European Economic Review， 2003， 47（4）： 687-710.

[28] 王慶喜， 胡志學. 長三角地區(qū)研發(fā)企業(yè)集聚與知識溢出強度——連續(xù)空間中的微觀分析[J]. 地理科學， 2018， 38（11）： 1828-1836.

[29] 楊明海， 張紅霞， 孫亞男， 等. 中國八大綜合經(jīng)濟區(qū)科技創(chuàng)新能力的區(qū)域差距及其影響因素研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2018， 35（4）： 3-19.

[30] 張宵， 葛玉輝. 城市技術(shù)創(chuàng)新時空演變特征及影響因素研究——以江蘇省為例[J]. 技術(shù)與創(chuàng)新管理， 2023， 44（2）： 133-142.

[31] 孫勇， 樊杰， 劉漢初， 等. 長三角地區(qū)數(shù)字技術(shù)創(chuàng)新時空格局及其影響因素[J]. 經(jīng)濟地理， 2022， 42（2）： 124-133.

（責任編輯：胡俊健）

Spatial-Temporal Evolution and Influencing Factors of Urban High-Value Patents in China

Wu Lei， Liu Qi， Gao Luan， Lin Chaoran

（School of Economics and Management， Harbin Engineering University， Harbin 150001， China）

Abstract：Patents， as an important part of intellectual property， are an important dimension for measuring independent innovation capability. High-value patents are better than non-high-value patents in terms of patent quality and original innovation， and are an important means in implementing the innovation-driven development strategy and building a strong science and technology country. However， China's patents are numerous but not necessarily of higher quality， and are still restricted in some" core technology areas. Enhancing the output of high-value patents has become a realistic requirement to accelerate the realization of high-level scientific and technological self-reliance and self-improvement. At present， the innovation pattern of \"being strong in the east and weak in the west\" still exists and is deepening， and scientific and technological innovation is an important way to improve the coordination and balance of development， so it is necessary to study the spatial pattern of high-value patents to alleviate the phenomenon of imbalance in regional innovation development. In addition， there is a significant spatial correlation of innovation， and ignoring the spatial effect may make the model setting biased， so the study of high-value patents should also consider the spatial issue. Cities are the spatial units and main carriers of innovation， as well as more effective units for the in-depth implementation of differentiated policies， but there are relatively few studies exploring the spatial pattern of innovation and the factors influencing it at the urban scale.

Therefore， using the panel data of 285 prefectural-level and above cities in China from 2005 to 2021， this study delves into the spatial and temporal evolution pattern of high-value patents in China from the city level and constructs spatial econometric models from a spatial perspective. The influencing factors are examined in terms of economic foundation， governmental emphasis， talent scale and ecological environment. It also further divides the regions according to the high-value patent agglomeration and explores the differences in influencing factors in different regions. This paper aims to provide a basis for improving China's high-value patent output， forming a high-value patent pattern with complementary advantages and coordinated development， and implementing differentiated innovation policies.

It is found that high-value patents present a clear pattern of coastal strength over inland， with a decreasing pattern from the east to the central and then to the west. The diamond-shaped structure with Beijing-Tianjin-Hebei， Yangtze River Delta， Pearl River Delta and Chengdu-Chongqing as the apex encompasses most of the high-value patents， forming a high-value patent aggregation circle with Beijing， Shanghai and Shenzhen as the core. In recent years， high-value patents in general have shown an increasing trend， but the growth in coastal areas is more rapid， and the diamond-shaped structure is becoming more and more prominent. The study also finds that GDP significantly increases the size of high-value patents in the region， but has a stronger dampening effect on high-value patents in neighboring regions. Expenditure on science and technology and the number of scientific researchers have a significant impact on high-value patents in both local and neighboring regions. The role of education expenditure on high-value patents is mainly reflected in the promotion of the region. Students enrolled in general higher education institutions will significantly suppress the size of high-value patents in the neighboring regions. Parks and green spaces will significantly promote the output of high-value patents in the region. It is worth noting that the economic base will significantly inhibit the development of high-value patents in neighboring regions， contrary to the results of the study on general patents; students enrolled in higher education institutions do not have a significant role in promoting the scale of high-value patents in the region， while other studies have shown that students enrolled in colleges and universities can significantly enhance the level of innovation in the region. Finally， there is heterogeneity in the influencing factors of high-value patents in the diamond-shaped structure region， the northeast region， and the peripheral regions.

In conclusion， using high-value patents as a measure of innovation， this study explores the spatial pattern and influencing factors on the urban scale， and considers the regional heterogeneity of the influencing factors. The findings provide a targeted reference for creating high-value patents in various regions.

Key Words：Intellectual Property；Urban Innovation;High-value Patents;Spatial Durbin Model

收稿日期：2023-10-27 修回日期：2023-12-28

基金項目：國家自然科學基金青年項目（72104064，72001056）；國家社會科學基金一般項目（23BGL076）

作者簡介：吳雷（1980—），男，黑龍江哈爾濱人，博士，哈爾濱工程大學經(jīng)濟管理學院副研究員、碩士生導師，研究方向為技術(shù)創(chuàng)新和知識產(chǎn)權(quán)管理；柳淇（1999—），女，山西運城人，哈爾濱工程大學經(jīng)濟管理學院碩士研究生，研究方向為技術(shù)創(chuàng)新；高孌（1989—），女，江蘇宿遷人，博士，哈爾濱工程大學經(jīng)濟管理學院副教授，研究方向為企業(yè)信息化和社會網(wǎng)絡；林超然（1987—），男，黑龍江哈爾濱人，博士，哈爾濱工程大學經(jīng)濟管理學院講師，研究方向為技術(shù)創(chuàng)新與知識產(chǎn)權(quán)管理。本文通訊作者：林超然。